ARM霓虹燈：添加兩次相鄰平均四個相鄰像素

Question

我有4個車道D0，D1，D2，D3，我想平均四個相鄰：

d0[0] = (d0[0] + d0[1] + d0[2] + d0[3])/4 
d0[1] = (d0[4] + d0[5] + d0[6] + d0[7])/4 
d0[2] = (d1[0] + d1[1] + d1[2] + d1[3])/4 
... 

是以下霓虹燈代碼是否正確？

vpaddl.u8 d0, d0 
vpaddl.u8 d1, d1 

vpaddl.u8 d2, d2 
vpaddl.u8 d3, d3 

vpadd.u16 d0, d0, d2 
vshrn.u16 d0, q0, #2 

如果是的話，有沒有更快的方法來做到這一點？

EDIT 1

上述代碼是不正確的。我想出了以下幾點：

vpaddl.u8 d0, d0 
vpaddl.u8 d1, d1 
vpaddl.u8 d2, d2 
vpaddl.u8 d3, d3 
vuzp.u16 q0, q1 
vadd.u16 q0, q0, q1 
vshrn.u16 d0, q0, #2 

這是工作。這與'Notlikethat'接受的答案的第二個建議非常相似，但是採用了不太優化的方式。

Answer 1

經過一段時間playing around後，我會說在給定的約束條件下，您的一般方法可能與您將要獲得的一樣好。有了超過4個寄存器值的數據一次性工作，和/或有機會吸收算法中其他地方重新組合矢量的成本，結論可能會有所不同，但否則可行的選擇是非常有限的。

你，但是，你的第二輪削減，並在第一輪忘記d1和d3可以因爲不像vpadd簡化到兩個指令，vpaddl確實有一個Q-登記表格。固定這些目的了這樣的：

vpaddl.u8 q0, q0 
vpaddl.u8 q1, q1 
vpadd.u16 d0, d0, d1 
vpadd.u16 d1, d2, d3 
vshrn.u16 d0, q0, #2 

在純粹的指令數計算，則是可能通過執行部分轉然後直接累加2個成對減少去低，從而：

vuzp.16 q0, q1 
vpaddl.u8 q0, q0 
vpadal.u8 q0, q1 
vshrn.u16 d0, q0, #2 

但Q型vuzp是真的昂貴的一切，我可以找到指令時機，並積累vpadal也不是免費的，所以這幾乎肯定會最終表現惡化整體比莫重新簡單的版本。